Google vende un modelo que solo elige respuestas y nunca escribe texto

Gemini Decision 1 responde preguntas cerradas con probabilidades y cobra por lo que lee y nada por lo que responde. Google ya lo usa en sus propios productos, aunque en nuestras pruebas con imágenes tardó bastante más de lo que anuncia.

Google vende un modelo que solo elige respuestas y nunca escribe texto

Google ha presentado Gemini Decision 1, un modelo con un único trabajo: leer una información y responder preguntas cerradas, sin escribir una sola palabra. Se lanzó la semana pasada junto a una nueva interfaz de programación, la Gemini Decisions API. En lugar de texto, devuelve probabilidades: sí o no, la opción A, B o C, o una nota según una escala.

Parece una función pequeña, pero tiene más peso del que aparenta. Los sistemas de inteligencia artificial que actúan por su cuenta dependen de decenas de estas decisiones silenciosas: qué modelo atiende una consulta, qué herramienta se activa o si un mensaje incumple una norma. Hasta ahora, la mayoría de los equipos resolvían esto con un modelo generativo completo, pagando por generar texto que luego descartaban. Google ahora vende esa capa por separado, a 0,10 dólares por millón de tokens de entrada y sin coste por la salida.

Qué hace exactamente el modelo

Decision 1 lee texto, imágenes, vídeo, audio y PDF en una sola pasada, con hasta 262.144 tokens de entrada por petición. Un token es, más o menos, una pieza de palabra. Sobre esa misma entrada se pueden formular hasta 1.000 preguntas independientes, de tres tipos:

  • Sí o no, que devuelve una probabilidad entre 0,01 y 0,99.
  • Elección, que escoge entre 2 y 255 opciones y da una probabilidad para cada una.
  • Puntuación, que valora según una escala ordenada y devuelve una nota ponderada.

Cada respuesta incluye además un nivel de confianza, de modo que el programa puede enviar los casos dudosos a un sistema de respaldo o a una persona. El texto compartido se cobra una sola vez, sin importar cuántas preguntas se hagan sobre él. Google AI Studio ofrece además un nivel gratuito para probar el modelo.

La tabla de capacidades también dice lo que no hace: no genera texto, no razona en voz alta, no llama a funciones. Es un motor de puntuación, no un chatbot.

Lo que ocurrió al probarlo

Instalamos el SDK de Google, creamos una clave gratuita en AI Studio y lanzamos tres pruebas: el ejemplo de inicio rápido de Google, su ejemplo de imagen y un mensaje de atención al cliente ambiguo que redactamos nosotros. Los tiempos se midieron desde nuestro ordenador, así que incluyen el viaje por la red.

Ambos ejemplos de Google dieron el resultado correcto, y el de imagen coincidió con la captura de la propia empresa. Ninguna llamada generó tokens de salida. Una consulta de texto costó unos 0,000017 dólares, es decir, unas 58.000 por dólar. Una consulta con imagen costó unos 0,00013 dólares.

Google ya lo usa en sus productos

Google asegura que cuatro de sus productos funcionan con esta interfaz. Gemini Notebook dirige cada consulta al modelo y al nivel de razonamiento adecuados, lo que reduce la latencia en consultas cotidianas hasta un 40 %. Stitch la usa para crear maquetas interactivas. CC, de Google Labs, elige una reacción con emoji entre más de 200 opciones sin retraso visible. Google Search la emplea como capa de seguridad que revisa si las herramientas del protocolo Model Context Protocol tienen comportamientos hostiles.

La confianza importa más que la respuesta

La prueba más reveladora fue el mensaje ambiguo. Encajaba en dos departamentos, y el modelo lo reconoció: un 50,2 % para reposiciones y un 48,4 % para facturación, con una confianza de 0,50. No fingió seguridad ante un empate, aunque en la misma llamada sí identificó la asa rota como daño, con un 0,99.

Aquí hay una trampa. En ese mensaje dudoso, el campo de elección devolvió igualmente «reposiciones», sin ninguna señal de alerta. Un programa que solo lea el ganador lo tramitará con la misma seguridad que un caso claro. La confianza solo sirve si se fija un umbral y lo que queda por debajo se envía a otro circuito.

La velocidad anunciada no se cumplió con imágenes

Google habla de 150 a 250 milisegundos de respuesta total. Las consultas de texto tardaron entre 339 y 577 milisegundos, una diferencia que la distancia de la red puede explicar. Las consultas con imagen tardaron entre 1,1 y 1,4 segundos, de cinco a nueve veces más en mediana. Google sostiene que sus cifras valen también para contenido multimedia.

Parte de la demora puede deberse a que Google descarga la imagen desde una dirección web y procesa 1.064 tokens de imagen, pero desde fuera no es posible separar las causas. Además, la cifra de Google se refiere a contextos más cortos que el límite máximo, y llamadas idénticas variaron más de 300 milisegundos entre sí. Conviene medirlo con material propio antes de usarlo en tiempo real.

Las comparativas son de Google

La afirmación de que el modelo sale «casi cinco veces más barato» compara Decision 1 con el Gemini 3.5 Flash-Lite de la propia Google, en un conjunto de pruebas que la empresa eligió. No dice nada sobre cómo se compara con un clasificador pequeño ajustado a medida, que muchas empresas ya tienen funcionando.

Letra pequeña

La página del modelo presenta la clasificación de vídeo en directo, pero la API en vivo aparece como no compatible. Además, el modelo solo funciona con Gemini por ahora. Está disponible en OpenRouter, LangChain, el SDK de Vercel y LiteLLM, pero el soporte de Google Cloud figura como próximamente.

Decision 1 hace bien una tarea estrecha: es barato, acertó en todo lo que se le planteó y admitió la duda cuando se le presionó. Para enrutar consultas y revisar normas ya es útil, siempre que el código tenga en cuenta la confianza desde el primer día.

Newsletter · gratis

La semana de la IA, en cinco minutos.

Únete a los lectores que empiezan la semana sabiendo qué pasa en la IA. Cada domingo, en tu correo.